| Abstract: | 銑削是一種極為常見的加工方式,所以在銑削
加工中如何把效率做到最高是現代加工的一大課題。
本研究應用全面生產維修(TPM, Total Production
Maintenance)概念來延長機台使用時間,使機台使用
時間增長,維修停機時間縮短;會影響加工時長的原
因有許多,例如:刀具壽命、切削轉速、切削深度、
進刀量等,但如更換這些控制因子再去使用全因子實
驗會花費太多時間與成本,所以本研究會先應用田口
方法來優化數據,再使用倒傳遞類神經網路(BPN,
Back Propagation Neural Network)以及支持向量回歸
(SVR, Support Vector Regression)來進行模型預測和
比較,希望能在不耗費大量成本下找到最佳化加工參
數,提高加工效率。
近年來隨著人工智慧的崛起及演算法的進步,
SVR 被廣泛應用在多種領域,因此本研究利用 SVR
與 BPN 來建模,對於銑削加工參數來預測出最佳的
參考組合,利用 SVR 建模所需樣本少的特性,以田
口方法中的直交表來減少實驗次數,使用建立好的
SVR 與 BPN 的最佳化預測模型進行運算、比較,進
而找出適合的預測法,再以此最佳的預測模型進行全
因子實驗找出最佳解。 |
